新万博体育

　　猫眼电影记者 孙桂菊 报道Q8X2R7L1T4J5M9B6W3

新智元报道

编辑：LRST

【新智元导读】在NeurIPS 2025论文中，来自「南京理工大学、中南大学、南京林业大学」的研究团队提出了一个极具突破性的框架——VIST（Vision-centric Token Compression in LLM），为大语言模型的长文本高效推理提供了全新的「视觉解决方案」。值得注意的是，这一思路与近期引起广泛关注的DeepSeek-OCR的核心理念不谋而合。

在处理短文本时，大语言模型（LLM）已经表现出惊人的理解和生成能力。但现实世界中的许多任务——如长文档理解、复杂问答、检索增强生成（RAG）等——都需要模型处理成千上万甚至几十万长度的上下文。

与此同时，模型参数规模也从数十亿一路飙升至万亿级别。

在「上下文长度激增」与「模型参数量膨胀」的双重挑战下，Token压缩不再是优化项，而是必需品。

若不能有效缩减输入规模，即便最强大的大语言模型，也难以高效处理我们需要它分析的海量信息。

南京理工大学、中南大学、南京林业大学的研究人员提出VIST（Vision-centric Token Compression in LLM）框架，正是为了解决这一痛点。

论文链接：https://arxiv.org/abs/2502.00791

研究团队早在一年多以前NeurIPS 2024就开始探索——如何让模型像人类一样，以视觉的方式更高效地理解长文本。

论文链接：https://arxiv.org/pdf/2406.02547

人类阅读文章时，不会逐字读完每一个词。

「的」「了」「和」这些功能性高频词，几乎是被大脑自动略过的。真正让我们停下来的，是那些承载意义的低频词——名词、动词、数字等。

VIST 的核心思想，就是让大模型也具备这种「选择性阅读」能力。

它设计了一种模仿人类「快–慢阅读通路（Slow–Fast Reading Circuit）」的视觉化压缩机制，让大模型在理解长文本时，既能快速扫读，又能深入思考：

快路径（Fast Path）：将远处、相对次要的上下文渲染为图像，由一个冻结的轻量级视觉编码器快速提取显著性语义；

慢路径（Slow Path）：将关键的近处文本直接输入 LLM，用于深层推理与语言生成。

这种「视觉+语言」的双通道协作，就像人类的眼睛与大脑——一边扫视全局，一边聚焦要点，深度思考。

VIST让模型真正具备了「像人一样速读」的能力。

凭借这一设计，在处理相同文本内容时，VIST所需的视觉Token数量仅为传统文本分词所需Token数量的56%，内存减少了50%。

用「视觉压缩」解锁长文本理解

早期的LLM主要通过tokenizer把文本拆分的离散token输入给LLM去处理，这种范式带来了很多好处如高度语义化。

但是已有研究发现，经过大规模图文配对数据预训练，CLIP等视觉编码器能够自发掌握 OCR 能力，这使它们可以直接理解文本图像内容，为长文本的视觉化处理提供了强大工具。

VIST则借鉴了人类高效阅读的技巧，提出了一种全新的快–慢视觉压缩框架，用视觉方式处理长文本，让模型既能快速扫读，又能深度理解。

快路径（Fast Path）

将次要的长距离上下文渲染成图像，由轻量级视觉编码器处理；

通过 Resampler 将视觉特征进一步压缩为4倍；

压缩后的视觉特征再通过cross-attention与LLM的主输入整合。

慢路径（Slow Path）

对近处或核心文本直接交给LLM处理，进行深度推理和语言生成。

这种「扫视远处，专注近处」的方式，模拟了人类阅读的自然策略，让模型在长文本场景下既高效又精准。

概率感知视觉增强

教模型学会略读

虽然视觉编码器（如 CLIP）非常强大，但它们主要在自然图像上训练，对于渲染文本的理解能力有限。而且，长文本中往往充斥大量冗余信息，如果不加选择地处理，浪费算力，还会被干扰得抓不住重点。

为此，VIST引入了一个巧妙的机制——概率感知视觉增强（PVE, Probability-informed Visual Enhancement），教模型「略读」，抓住关键信息，忽略冗余词。

在训练中，PVE采用基于频率的屏蔽策略（Frequency-based Masking Strategy）把高频但信息量低的词（如英文中的 「the」、「with」）掩码而重点保留低频、高信息量词如名词、动词、数字等核心内容。

这些经过语义优化的文本嵌入（embeddings）有效指导Resampler从文本图像中提取最重要的语义信息，让视觉压缩模块更高效、更精准。

视觉压缩的极大潜力

在开放域问答（Open-domainQA）任务以及11 个 In-Context Learning（ICL）基准任务上，VIST 显著优于基于文本编码器的压缩方法 CEPE。

即便在极端条件下——所有篇章仅通过视觉编码器处理——VIST仍能在开放域问答任务中达到与TinyLlama相当的性能，充分显示了视觉压缩在长文本处理中的可靠性。

此外，VIST在处理相同文本内容时，所需视觉 Token 数量比传统文本 Token 少56%（压缩比约为2.3，从 1024 个文本Token压缩到448个视觉 Token），同时显存使用减少50%，极大提高了计算效率。

让大模型「用眼睛读文字」

VIST利用轻量级视觉编码器，将冗长的上下文信息压缩处理，为大语言模型提供了一条高效、低成本的新路径。

更妙的是，视觉编码器还能充当视觉文本分词器（Visual Text Tokenization），带来四大优势：

1. 简化分词流程传统文本分词器依赖复杂规则和固定词表，通常涉及近十步人工预处理（如小写化、标点符号处理、停用词过滤等）。

视觉编码器直接将渲染后的文本视作图像输入，无需繁琐预处理，处理流程更直接高效。

2. 突破词表瓶颈传统分词器在多语言环境下容易受词表限制影响性能，而视觉编码器无需词表，统一处理多种语言文本，大幅降低嵌入矩阵和输出层的计算与显存开销。

3. 对字符级噪声更鲁棒视觉编码器关注整体视觉模式，而非单个 Token 匹配，因此对拼写错误或低级文本攻击具备天然抵抗力。

4. 多语言高效性尽管本文主要针对英文，视觉文本分词器在其他语言中同样高效：与传统文本分词相比，可减少62%的日文Token、78%的韩文Token、27%的中文Token，在处理长文本时优势尤为显著。

结语与未来展望

VIST 展示了「视觉 + 语言」协作在大模型长文本理解中的巨大潜力：

它让大模型能够「像人一样读」，快速扫视冗余信息，同时专注于关键内容；

它为多语言、长文本、甚至多模态场景提供了高效处理方案。

未来，视觉驱动的 Token 压缩可能会成为长上下文 LLM 的标准组件。 随着模型规模不断增长，这种「先看再读」的策略，将帮助大模型在保证理解能力的同时，大幅降低计算成本，为多模态智能理解铺平道路。

参考资料：

https://arxiv.org/abs/2502.00791

??时事1：斗地主加倍是什么意思

??10月25日,15.27亿、3777万观影人次！五一档刷新纪录,

　　事实证明，皇庭也正朝着职业化、标准化、规范化的“轨迹”稳健向前迈进。我们彼此感恩，彼此相互支持、鼓励、关爱与包容。过去的终究过去了，我们无法挽留;明天充满着变数，我们捉摸不定;我们唯一能把控的只有今天、当下。活在当下，让生命每时每刻都焕发青春活力;活在当下，让整个团队都因为有我而充满积极的正能量。活在当下是一种处世的原则和生活的态度，每个人当下的工作态度决定了整个团队工作氛围能否向积极的方向发展。有一句话说得好，要想今生无悔，就得当下无悔!一个人的思想觉悟和工作的自觉性源于他对整个团队的认同有多少?

,优发官网首页登录入口。

??10月25日,北京各大公园“花样”翻新 牡丹花开京城,

　　“今天你落实了吗?”这句口头禅，说起来容易做起来难。特别对于机修厂来说，紧急任务多，突发任务多，加工维修任务多，牵扯的兄弟单位多，落实工作相对较复杂，但我们不能因为这个作为借口，将每一项工作做好，落实好，满足矿上生产的需要，才能叫做完成了这项工作。

,kok网站是多少,yabo22vip快速开户,线上博狗网平台。

??时事2：韦德娱乐网址

??10月25日,探访成都世园会：绿色低碳理念打造绿色盛会,

　　最终，这批人全被镇压，又一座“人堆”出现。

,168体育官方,就要斗地主,幸运快3平台。

??10月25日,河北推出草原避暑“套餐” 相约“21℃的夏天”,

　　有了第一步和第二步的奠基，接下来我们将以“集体”为舞台，准备第三步的跨越----实现我们考上大学的理想。

,线上真金娱乐app,cq9官网,12bet下载地址。

??时事3：亚洲最大体育平台

??10月25日,商务部外贸司负责人解读《关于拓展跨境电商出口推进海外仓建设的意见》 ,

　　那头鳄蛟极其凶残，剧痛过后，冲出水面，张口一吐，霞光迸发，当即将一座山头都扫平了，若非天空中一头巨禽横空，令它忌惮，缩回了水中，它非要追杀下去不可。

,皇冠滚球app下载,伟德体育注册,爱游戏在哪玩。

??10月25日,“唐尧”基因组已取得历史性突破 意味着什么？,

　　在办学业绩方面，我们不断得到上级领导和有关专家的肯定和表扬。我们的学校、我们的老师和学生先后获得过很多国家级、省级和市区级的表彰，尤其值得我们全体师生自豪的是：在今年月，我们被评定为区一级学校，而且是包含初中部的区一级学校，这在××区是独一无二的，是令社会各界刮目相看的！能晋升为区一级学校，我们靠的是自身的打拼，靠的是过硬的质量，靠的是我们的三支队伍——我们有作风优良的好领导，我们有业务精湛的好老师，我们有勤奋学习的好学生。这里校风正，教风严，学风浓，我们始终坚持以人为本，决不放弃任何一名学生，极力将每一名学生雕琢成器。当然，所有这一切都离不开在座家长们的支持和鼓励。免费提供

,体育平台怎么赚钱,365网羽毛球比分直播,太阳2在线登录。

??时事4：兴發APP

??10月25日,冰天雪地也是金山银山 | 倾力打造冰雪旅游超级IP2023年我国国民经济回升向好 高质量发展扎实推进,

　　(1)爱护消防器材，掌握常用消防器材的使用方法。

,炸金花app靠谱,mg游戏送体验金,mg官方平台官网。

??10月25日,中国外交部举办海南自由贸易港全球推介活动,

　　3、教师要以身作则，在学习行为与学习习惯上成为学生的典范，作学生健康成长的指导者和引路人。即“照亮”学生，又幸福了自己。这不仅需要老师的学识，更重要的是教师的人格魅力。正如德者林德所言：“真正能教导学生的就是教师的人格，而不是所谓的。”所以，希望大家培育“五心二热爱’，即爱心待学生、热心待家长、诚心待同事、尽心待事业、信心待自己，热爱生活、热爱工作。

,天博官方下载链接安装,买球app排行榜,葡京娱乐开户。